一种面向混合属性数据流的基于密度的聚类算法研究

混合属性数据流聚类是数据流挖掘中的重要问题.针对现存聚类方法在处理混合属性数据流聚类时存在聚类精度低和实时性差的问题,提出一种基于密度的混合属性数据流聚类算法HDSDen(Heterogeneous Data Stream based on Density Clustering Algorithm),算法由在线聚类/离线优化两部分组成,在线聚类快速完成距离计算与聚类,离线优化实现二次聚类提高聚类精度.针对现存混合型属性计算距离方式精度低的问题,本文设计属性占优分析预先确定混合属性数据流中分类或数值属性占优的,随即选择对应的相似度计算公式,从而保证了混合属性的相似度计算满足属性重要性平衡,降低非占优属性数据对整体数据聚类的影响,在线聚类最终通过给定参数ε和μ确定当前窗口到达的数据点中的核心数据点.离线部分从核心数据点出发将所有密度可达的数据点聚成一个自然类,并将未被聚类的数据点存入暂存区,若暂存区内数据点达到一定数量,将暂存区的数据再聚类优化整体的聚类效果,从而实现了离群点的二次聚类,保证了聚类的精度.最后HDSDen算法对真实数据集进行聚类实验,验证HDSDen算法比现有几种典型数据流聚类方法具有更高的聚类质量,并能给出任意时间的聚类结果,能够有效地处理混合属性数据流聚类问题.

在线初追评契合度对消费者购买意愿影响研究

虚拟网络情境下,产品或服务纷繁复杂,质量和价格参差不齐,不确定风险越来越高。在线评论对消费者辨假识真、激发购买意愿发挥着重要作用。引入契合度概念,应用实验情境法,按在线初追评的正负面与契合度的高低,将在线初追评契合度划分为四个维度,设计两组实验。实验一结果显示:在线初追评契合度显著影响消费者购买意愿,其中正面契合度高的影响最显著;四条路径中,感知有用性在负面契合度低的在线初追评和消费者购买意愿之间关系起中介作用。实验二再次验证实验一的研究结果,并证实产品属性占优在在线初追评契合度和感知有用性之间起调节作用。研究结论深化了在线评论契合度相关研究,也为商家和电商平台改进在线评论系统、优化营销策略提供理论支撑。

多维评分系统下口碑离散度对消费者购买意愿的影响

关于口碑离散度的众多研究中,有的研究发现高口碑离散度具有负向作用,有的研究则发现其具有正向作用。之所以得出矛盾的研究结论,是由于并未进一步分析产品属性评分对口碑离散度的影响。本文通过产品多属性评分、风险感知、个性化感知解释和验证了本文的相关假设。两组实验结果表明:口碑分布离散度通过影响消费者的风险感知和个性化感知,进而影响其购买意愿;当产品实用属性占优(享乐属性占优)时,高口碑离散度正向激发消费者的个性化感知相对较强(较弱),正向激发消费者的风险感知相对较弱(较强),进而提高(降低)购买意愿;并且消费者已有态度的矛盾性会进一步调节口碑离散度与占优属性类型的交互作用对购买意愿的影响。